道路是关系国民经济建设和人们日常工作、生活的重要基础设施,随着经济社会的快速发展,道路交通状况日新月异,迫切需要及时、准确、高效地获取道路信息。因而,道路信息的获取是城市信息化建设中的一个非常重要的环节。先进的机载LiDAR技术可以24小时全天候地进行对地观测,快速、准确地获取地表三维坐标数据,不受外界环境的影响,为道路信息的获取提供了一种全新的手段。近年来,从机载LiDAR点云中进行道路信息获取已成为一个研究热点。从机载LiDAR点云中进行道路提取主要包括四个关键技术环节:点云去噪、点云滤波、道路点云提取以及城市道路网提取。点云去噪是点云预处理的关键环节。由于受到仪器自身或者外界环境变化的干扰,使得所获取的点云数据时常包含噪声点。这些噪声点的存在会降低数字地面模型建立、道路提取等点云后处理的精度。传统的点云去噪方法往往会在地形断裂区域将有效地形点误判为噪声点而滤除,造成信息缺失。如何引入新的理论知识、提出新的去噪算法,实现既能去除噪声点又能有效保护地形信息,提高数据质量,是点云去噪算法研究的重点。点云滤波即是从LiDAR点云中去除地物点而保留地形点的过程,它是实现道路提取的基础步骤。由于数学形态学具有原理简单、实现效率高的优点,所以常应用于点云滤波中。然而,传统形态学滤波法往往存在以下两个缺点:一是需要设定坡度常量,使得算法缺乏自适应性;二是在大窗口滤波时,容易削平地形,不能有效地保留地形细节。这两个缺点严重约束了形态学滤波法的适用区域以及滤波精度。如何进一步地提高形态学算法在复杂场景下的自适应能力以及滤波精度,是点云滤波算法研究的热点问题。道路点云通常包含于地面点云中,如何从地面点云中将道路点云进行有效的识别是道路提取研究中的难点问题。大多数学者通常采用反射强度约束来实现对道路点云的判别,但现有的算法都需要人为设定反射强度阈值。过多的人为参与会大大降低算法的自动化程度,且使得算法不具有普适性。因此,基于道路点云反射强度数据的特点探寻一种自动、准确的阈值确定方法是十分必要的。道路中线能够清楚地反应道路间的拓扑关系,因此需要从道路点云中提取道路中线以反映城市道路网的具体信息。但是,城市区域往往存在大量的过道、走廊等狭窄道路,此类道路不属于所要提取的城市主要干道,会造成城市道路网出现过多的“毛刺”现象。如何去除此类道路对城市主要干道提取的干扰,是此项研究的热点问题。另外,城市区域包含有部分停车场、空地、天井等似道路区域,此类区域无论是高程还是反射强度都与道路区域非常接近,因而,很有必要研究如何排除此类似道路区域对城市道路网提取的干扰,以实现城市道路网的正确、完整提取。本文针对上述道路提取的四个关键环节中存在的问题进行了深入的研究和探讨,主要研究内容和取得的研究成果如下:1.将经验模态分解(EMD)算法引入机载LiDAR点云去噪中,提出基于EMD的点云噪声去除算法。该算法是通过计算原始点云高程和重构点云高程之间的差值来实现对噪声点的自动探测与剔除。分别采用实例数据和模拟噪声数据对所提出的算法进行了实验,实验结果表明能够有效地去除噪声,提高信噪比,提升数据质量。2.提出一种基于渐进克里金插值的形态学滤波改进算法。该算法的实质是将曲面拟合滤波法与传统形态学滤波法进行有效结合,通过克里金插值计算出不同层级所对应的地形起伏度,有效地减小在大窗口滤波时对地形削平的影响。采用国际摄影测量与遥感学会提供的测试数据对所提出的算法进行了实验,实验结果表明能够有效地保护地形细节,减小Ⅰ类误差,平均整体滤波精度高达94.66%。3.将偏度平衡算法引入道路点云反射强度阈值的确定中,提出一种基于偏度平衡的道路点云反射强度阈值确定方法。该方法假定“纯净”的道路点云的反射强度值成正态分布,因受非道路点云反射强度值的干扰,致使整体点云的强度值成正偏态分布。通过不断地剔除非道路点云反射强度值的影响使其分布从正偏态分布变为正态分布,从而确定道路点云反射强度阈值,进而获取初始道路点云。实验结果表明,所提出的算法能够准确、无参地确定道路点云的反射强度阈值,并提高了阈值设定的自动化程度。4.建立一种能够精确、快速、完整地提取出城市道路网的多层级融合与优化方法。在该方法的实现过程中,首先提出了一种基于旋转邻域的狭窄道路识别算法,即通过多角度地旋转道路领域自动实现对狭窄道路的判别与剔除。然后,根据道路之间的拓扑关系,提出一种似道路区域识别算法,即通过计算道路交叉点之间的棋盘距离,将小于阈值的交叉点所在的区域判定为似道路区域。最后,针对道路区域和似道路区域分别设定不同的融合与优化准则,实现对城市道路网的精确提取。采用国际摄影测量与遥感学会提供的位于德国Vaihingen城市的点云数据对本文建立的城市道路网提取方法进行了实验验证,结果表明提取的城市道路网能够获得91.4%的正确率、80.4%的完整率和74.8%的质量。这三项评价指标均优于现有的其他城市道路网提取模型或算法的相应评价指标。